GPT-5.4 Pro is OpenAI’s afzonderlijke Pro-editie van GPT-5.4. Deze editie gebruikt extra rekenwerk om moeilijke vragen uit te werken en een uitgebreider antwoord te ontwikkelen. Het model accepteert tekst en afbeeldingen en produceert tekst. Pro is onderdeel van de identiteit van dit model, onderscheiden van de instelling voor de redeneermodus Pro die voor basismodellen van GPT-5.6 en GPT-6 is ingevoerd.
De aankondiging van de GPT-5.4-familie plaatst het model in complex professioneel werk en combineert redeneren en programmeren met taken rond documenten, presentaties en spreadsheets. Een voorbeeldopdracht voor Pro is meerdere implementatiebenaderingen met een verzameling onderling afhankelijke vereisten te vergelijken, de voorwaarden te identificeren die de keuze bepalen en een expliciete aanbeveling te produceren. Lever voor een documenttaak de vraag, het bronmateriaal en de criteria aan, zodat de conclusie een duidelijke basis heeft.
OpenAI specificeert voor GPT-5.4 Pro een contextvenster van 1.050.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. De ondersteunde keuzes voor redeneerinspanning zijn medium, high en xhigh; medium is de standaard. Redeneren neemt ook tokenruimte in. Orden een lange invoer rond het relevante bronmateriaal en laat ruimte voor analyse en het gevraagde eindresultaat.
De maker documenteert dit Pro-model uitsluitend in de Responses API, met ondersteuning voor modelinteracties over meerdere beurten vóór het eindantwoord. Moeilijke aanvragen kunnen meerdere minuten duren; OpenAI beveelt uitvoering op de achtergrond aan om verbindingsproblemen door tijdsoverschrijding te voorkomen wanneer lang werk synchroon wordt afgewacht. In die werkwijze bewaart de toepassing de antwoordidentificator, controleert zij of het werk in de wachtrij staat of wordt uitgevoerd en haalt zij het resultaat op zodra een eindtoestand is bereikt.
De modelkaart vermeldt streaming, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer, hulpmiddelen voor afbeeldingsgeneratie en MCP-ondersteuning. De exacte verzameling hulpmiddelen van de maker omvat ook het zoeken naar hulpmiddelen, patchbewerkingen en computergebruik. Deze hulpmiddelen staan los van de tekstuitvoer van het model. Toepassingen stellen de relevante bewerkingen beschikbaar, voeren hun eigen acties uit en leveren de werkelijke resultaten om het werk voort te zetten. Voor deze editie moet de afzonderlijke lijst met hulpmiddelen van GPT-5.4 Pro worden gebruikt, in plaats van aan te nemen dat elk kenmerk van een ander GPT-5.4-model identiek is.
Bereid een duidelijk voltooiingscriterium en een resultaatstructuur voor. Vraag voor technisch werk om het betrokken gedrag, de voorgestelde oplossing, de afhankelijkheden die zij verandert en het bewijs dat nodig is om haar te verifiëren. Onderscheid voor analyse aangeleverde feiten, afgeleide verbanden en onopgeloste voorwaarden. Benoem het belangrijke detail wanneer een afbeelding de vraag ondersteunt. Een bruikbaar eindresultaat is een specifiek codevoorstel, een beslisnota of een plan dat zijn wezenlijke keuzes met het oorspronkelijke doel en materiaal verbindt.
", "aboutText": "GPT-5.4 Pro is OpenAI’s afzonderlijke Pro-editie van GPT-5.4. Deze editie gebruikt extra rekenwerk om moeilijke vragen uit te werken en een uitgebreider antwoord te ontwikkelen. Het model accepteert tekst en afbeeldingen en produceert tekst. Pro is onderdeel van de identiteit van dit model, onderscheiden van de instelling voor de redeneermodus Pro die voor basismodellen van GPT-5.6 en GPT-6 is ingevoerd.\n\nDe aankondiging van de GPT-5.4-familie plaatst het model in complex professioneel werk en combineert redeneren en programmeren met taken rond documenten, presentaties en spreadsheets. Een voorbeeldopdracht voor Pro is meerdere implementatiebenaderingen met een verzameling onderling afhankelijke vereisten te vergelijken, de voorwaarden te identificeren die de keuze bepalen en een expliciete aanbeveling te produceren. Lever voor een documenttaak de vraag, het bronmateriaal en de criteria aan, zodat de conclusie een duidelijke basis heeft.\n\nOpenAI specificeert voor GPT-5.4 Pro een contextvenster van 1.050.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. De ondersteunde keuzes voor redeneerinspanning zijn medium, high en xhigh; medium is de standaard. Redeneren neemt ook tokenruimte in. Orden een lange invoer rond het relevante bronmateriaal en laat ruimte voor analyse en het gevraagde eindresultaat.\n\nDe maker documenteert dit Pro-model uitsluitend in de Responses API, met ondersteuning voor modelinteracties over meerdere beurten vóór het eindantwoord. Moeilijke aanvragen kunnen meerdere minuten duren; OpenAI beveelt uitvoering op de achtergrond aan om verbindingsproblemen door tijdsoverschrijding te voorkomen wanneer lang werk synchroon wordt afgewacht. In die werkwijze bewaart de toepassing de antwoordidentificator, controleert zij of het werk in de wachtrij staat of wordt uitgevoerd en haalt zij het resultaat op zodra een eindtoestand is bereikt.\n\nDe modelkaart vermeldt streaming, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer, hulpmiddelen voor afbeeldingsgeneratie en MCP-ondersteuning. De exacte verzameling hulpmiddelen van de maker omvat ook het zoeken naar hulpmiddelen, patchbewerkingen en computergebruik. Deze hulpmiddelen staan los van de tekstuitvoer van het model. Toepassingen stellen de relevante bewerkingen beschikbaar, voeren hun eigen acties uit en leveren de werkelijke resultaten om het werk voort te zetten. Voor deze editie moet de afzonderlijke lijst met hulpmiddelen van GPT-5.4 Pro worden gebruikt, in plaats van aan te nemen dat elk kenmerk van een ander GPT-5.4-model identiek is.\n\nBereid een duidelijk voltooiingscriterium en een resultaatstructuur voor. Vraag voor technisch werk om het betrokken gedrag, de voorgestelde oplossing, de afhankelijkheden die zij verandert en het bewijs dat nodig is om haar te verifiëren. Onderscheid voor analyse aangeleverde feiten, afgeleide verbanden en onopgeloste voorwaarden. Benoem het belangrijke detail wanneer een afbeelding de vraag ondersteunt. Een bruikbaar eindresultaat is een specifiek codevoorstel, een beslisnota of een plan dat zijn wezenlijke keuzes met het oorspronkelijke doel en materiaal verbindt.", "editorialOverlay": { "copy_fields": null, "copy_sha256": null, "copy_source": null, "html_sha256": "666d30096dcaa4eff853b26d370f60c07563bb637b28555f8a8f7081fa6b4859", "module_sha256": "ee9dc1c50b1e6a8fb7fa062030fcb4646b9aaaeb08be513b723a5a92a7290f06", "raw_model_unchanged": true, "schema": "ailoot-native-model-editorial-v1" }, "locale": "nl-be", "methods": [ { "html": "openai/gpt-5.4-pro:batchDe afzonderlijke GPT-5.4 Pro-editie gebruikt extra rekenwerk voor moeilijke redeneringen en professioneel werk. Zij accepteert tekst en afbeeldingen en ontwikkelt via OpenAI’s Responses-interface een tekstantwoord, met de inspanningsniveaus medium, high en xhigh.
Deze beschrijving gaat over de mogelijkheden van het model. De via Ailoot beschikbare invoer, uitvoer en opties staan hieronder voor de geselecteerde methode.
GPT-5.4 Pro is OpenAI’s afzonderlijke Pro-editie van GPT-5.4. Deze editie gebruikt extra rekenwerk om moeilijke vragen uit te werken en een uitgebreider antwoord te ontwikkelen. Het model accepteert tekst en afbeeldingen en produceert tekst. Pro is onderdeel van de identiteit van dit model, onderscheiden van de instelling voor de redeneermodus Pro die voor basismodellen van GPT-5.6 en GPT-6 is ingevoerd.
De aankondiging van de GPT-5.4-familie plaatst het model in complex professioneel werk en combineert redeneren en programmeren met taken rond documenten, presentaties en spreadsheets. Een voorbeeldopdracht voor Pro is meerdere implementatiebenaderingen met een verzameling onderling afhankelijke vereisten te vergelijken, de voorwaarden te identificeren die de keuze bepalen en een expliciete aanbeveling te produceren. Lever voor een documenttaak de vraag, het bronmateriaal en de criteria aan, zodat de conclusie een duidelijke basis heeft.
OpenAI specificeert voor GPT-5.4 Pro een contextvenster van 1.050.000 tokens en een maximale uitvoer van 128.000 tokens, met een kennisgrens van 31 augustus 2025. De ondersteunde keuzes voor redeneerinspanning zijn medium, high en xhigh; medium is de standaard. Redeneren neemt ook tokenruimte in. Orden een lange invoer rond het relevante bronmateriaal en laat ruimte voor analyse en het gevraagde eindresultaat.
De maker documenteert dit Pro-model uitsluitend in de Responses API, met ondersteuning voor modelinteracties over meerdere beurten vóór het eindantwoord. Moeilijke aanvragen kunnen meerdere minuten duren; OpenAI beveelt uitvoering op de achtergrond aan om verbindingsproblemen door tijdsoverschrijding te voorkomen wanneer lang werk synchroon wordt afgewacht. In die werkwijze bewaart de toepassing de antwoordidentificator, controleert zij of het werk in de wachtrij staat of wordt uitgevoerd en haalt zij het resultaat op zodra een eindtoestand is bereikt.
De modelkaart vermeldt streaming, functieaanroepen, zoeken op het web en in bestanden, afbeeldingsinvoer, hulpmiddelen voor afbeeldingsgeneratie en MCP-ondersteuning. De exacte verzameling hulpmiddelen van de maker omvat ook het zoeken naar hulpmiddelen, patchbewerkingen en computergebruik. Deze hulpmiddelen staan los van de tekstuitvoer van het model. Toepassingen stellen de relevante bewerkingen beschikbaar, voeren hun eigen acties uit en leveren de werkelijke resultaten om het werk voort te zetten. Voor deze editie moet de afzonderlijke lijst met hulpmiddelen van GPT-5.4 Pro worden gebruikt, in plaats van aan te nemen dat elk kenmerk van een ander GPT-5.4-model identiek is.
Bereid een duidelijk voltooiingscriterium en een resultaatstructuur voor. Vraag voor technisch werk om het betrokken gedrag, de voorgestelde oplossing, de afhankelijkheden die zij verandert en het bewijs dat nodig is om haar te verifiëren. Onderscheid voor analyse aangeleverde feiten, afgeleide verbanden en onopgeloste voorwaarden. Benoem het belangrijke detail wanneer een afbeelding de vraag ondersteunt. Een bruikbaar eindresultaat is een specifiek codevoorstel, een beslisnota of een plan dat zijn wezenlijke keuzes met het oorspronkelijke doel en materiaal verbindt.
POST /v1/batchestexttext| Veld | Type | Vereiste | Waarden en limieten | Standaard |
|---|---|---|---|---|
Veldendpoint | Typestring | VereisteVereist | Waarden en limieten /v1/chat/completions | Standaard— |
Veldmodel | Typestring | VereisteVereist | Waarden en limieten openai/gpt-5.4-pro:batch | Standaard— |
Veldrequests | Typebatch_item[] | VereisteVereist | Waarden en limieten Minimumaantal items: 1 | Standaard— |
Veldrequests[].custom_id | Typestring | VereisteVereist | Waarden en limieten | Standaard— |
Veldrequests[].body.messages | Typemessage[] | VereisteVereist | Waarden en limieten | Standaard— |
Veldcompletion_window | Typestring | VereisteOptioneel | Waarden en limieten 24h | Standaard— |
Veldprovider | Typeobject|null | VereisteOptioneel | Waarden en limieten | Standaard— |
Veldrequests[].body.model | Typestring | VereisteOptioneel | Waarden en limieten openai/gpt-5.4-pro:batch, openai/gpt-5.4-pro | Standaard— |
Veldprovider.only | Typestring[] | VereisteOptioneel | Waarden en limieten openai | Standaard— |
Veldprovider.allow_fallbacks | Typeboolean|null | VereisteOptioneel | Waarden en limieten false, null | Standaard— |
| Parameter | Contract |
|---|---|
Parametercontent_type | Contractapplication/json |
Parameterrequired | Contractendpoint, model, requests |
Parametermaterial_types | Contracttext |
Parameterrepresentation | Contractinline requests[]; elk item bevat custom_id en body |
Parameterrequest_endpoint_profile | Contract/v1/chat/completions |
Parameterfile_material | ContractDe aanroeper kan de daadwerkelijke UTF-8 JSONL lokaal in requests[] inlezen. Er wordt geen uploaddoel, input_file_id of bestandsverwijzing gebruikt. Ontbrekend of leeg klantmateriaal stopt de voorbereiding vóór POST. |
Parameterserialization_order | Contractendpoint, model, provider (indien opgegeven), completion_window (indien opgegeven), requests als laatste |
Parameteroptional_controls | Contractprovider.only, provider.allow_fallbacks, completion_window |
Parameterschema_scope | ContractAanvraagbodies voor tekst via Chat Completions in de gedocumenteerde inline Batch-structuur. |
Levenscyclus: asynchronous
GET /v1/batches/{operation_id} · daadwerkelijke response.id uit de oorspronkelijke aanmaakrespons; dezelfde gebruiker/sleutel/groep
Tariefverwijzingen voegen geen verzoekopties toe. Ondersteunde parameters staan bij de geselecteerde methode.
Koppel elke kostenpost aan de getoonde voorwaarden. Gebruik één tarief voor elke groep alternatieve configuraties.
| Configuratie | Tariefstaffel | Contexttokens, meer dan | Contexttokens, tot en met | Kosten |
|---|---|---|---|---|
| ConfiguratieBasistarieven voor tokens | TariefstaffelBasistarief | Contexttokens, meer dan— | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.03 / 1K tokens Uitvoer · Uitvoertokens $0.18 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 1 | Tariefstaffel— | Contexttokens, meer dan0 | Contexttokens, tot en met272.000 | Kosten Invoer · Invoertokens $0.03 / 1K tokens Uitvoer · Uitvoertokens $0.18 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
| ConfiguratieAanvraaglengte · niveau 2 | Tariefstaffel— | Contexttokens, meer dan272.000 | Contexttokens, tot en metGeen bovengrens | Kosten Invoer · Invoertokens $0.06 / 1K tokens Uitvoer · Uitvoertokens $0.27 / 1K tokens Invoer · Cache lezen — / 1K tokens Invoer · Cache schrijven — / 1K tokens Invoer · Cache schrijven, 1 uur — / 1K tokens |
Ailoot reserveert vóór een verzoek een geschat bedrag. Na het resultaat worden de uiteindelijke kosten afgerekend op basis van het gemeten verbruik. Bij streaming gebeurt de afrekening op basis van de definitieve verbruiksregistratie. Zo werken reservering en afrekening →
set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\npython3 - <<'PY_REQUEST'\nimport json\nfrom pathlib import Path\nbody=json.loads('{"endpoint":"/v1/chat/completions","model":"openai/gpt-5.4-pro:batch","requests":[{"custom_id":"req-0001","body":{"messages":[{"role":"user","content":"Hello!"}],"max_tokens":16}}]}')\nPath("batch-request.json").write_text(json.dumps(body,ensure_ascii=False),encoding="utf-8")\nPY_REQUEST\ncurl --fail-with-body --silent --show-error https://api.ailoot.ai/v1/batches \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -H 'Content-Type: application/json' \\\n --data-binary @batch-request.json -D batch-response-headers.txt -o batch-create-response.json\nimport json, os\nfrom pathlib import Path\nfrom urllib.request import Request, urlopen\n\ndef prepare_requests(customer_path):\n path = Path(customer_path)\n if not path.is_file(): raise ValueError("Customer JSONL file is missing")\n items = [json.loads(line) for line in path.read_text(encoding="utf-8").splitlines() if line.strip()]\n if not items: raise ValueError("Customer JSONL contains no requests")\n ids = set()\n for item in items:\n if set(item) != {"custom_id", "body"}: raise ValueError("Each item needs custom_id and body")\n cid = item["custom_id"]\n if not isinstance(cid, str) or not cid.strip() or cid in ids: raise ValueError("custom_id must be nonempty and unique")\n ids.add(cid)\n if not isinstance(item["body"], dict) or not item["body"].get("messages"): raise ValueError("Supply actual text messages")\n supplied_model = item["body"].get("model")\n if supplied_model is not None and supplied_model not in ['openai/gpt-5.4-pro:batch', 'openai/gpt-5.4-pro']: raise ValueError("body.model must be an exact documented caller or wire ID")\n return {"endpoint":"/v1/chat/completions", "model":"openai/gpt-5.4-pro:batch", "requests":items}\n\nif __name__ == "__main__":\n material = os.environ.get("AILOOT_BATCH_REQUESTS_JSONL", "")\n if not material: raise SystemExit("Set AILOOT_BATCH_REQUESTS_JSONL to your actual customer file")\n body = prepare_requests(material)\n key = os.environ.get("AILOOT_API_KEY", "")\n if not key: raise SystemExit("Set AILOOT_API_KEY")\n request = Request("https://api.ailoot.ai/v1/batches", data=json.dumps(body, ensure_ascii=False).encode("utf-8"), headers={"Authorization":"Bearer " + key, "Content-Type":"application/json"}, method="POST")\n with urlopen(request) as response:\n raw = response.read()\n Path("batch-create-response.json").write_bytes(raw)\n print(raw.decode("utf-8"))\nimport json\nfrom pathlib import Path\nraw = Path("batch-status-response.json").read_bytes()\nresponse = json.loads(raw)\nif response.get("status") != "completed":\n raise SystemExit("Keep the original operation; read its status without resubmitting")\nresults = response.get("results")\nif not isinstance(results, list) or not results:\n raise SystemExit("Preserve the original response; completed results are missing")\nPath("batch-results.jsonl").write_text("".join(json.dumps(item, ensure_ascii=False) + "\\n" for item in results), encoding="utf-8")\n# Preserve batch-status-response.json with aggregate usage and every result/error.\ninline JSON uit results[].response.body
GET /v1/batches/{operation_id}set -eu\n: "${AILOOT_API_KEY:?Set your Ailoot API key}"\nBATCH_OPERATION_ID="$(python3 - <<'PY_ID'\nimport json\nfrom pathlib import Path\nfrom urllib.parse import quote\nresponse = json.loads(Path("batch-create-response.json").read_text(encoding="utf-8"))\noperation = response.get("id")\nif not isinstance(operation, str) or not operation: raise SystemExit("No actual original operation ID; preserve the response and do not resubmit")\nprint(quote(operation, safe=""))\nPY_ID\n)"\ncurl --fail-with-body --silent --show-error "https://api.ailoot.ai/v1/batches/$BATCH_OPERATION_ID" \\\n -H "Authorization: Bearer $AILOOT_API_KEY" -o batch-status-response.json\nBewaar elk volledig teruggegeven antwoord, bestand en inhoudsonderdeel.
Bewaar de volledige oorspronkelijke status-JSON, elk resultaat/custom_id en de volledige respons- of foutbody. Sla voltooide results[] op als JSONL, zonder te filteren.
Bewaar de oorspronkelijke bewerkings-ID. 503 result_pending_check bevat X-Should-Retry:false; dien een oorspronkelijke batch met onbekende status nooit opnieuw in.
| Veld | Type |
|---|---|
Veldresults[].custom_id | Typestring |
Veldresults[].response.body.choices[].message.content | Typestring|null |
Veldresults[].error | Typeobject|null |
Veldusage | Typeobject|null |
Veldid | Typestring |
Veldmodel | Typestring |
Veldendpoint | Typestring |
Veldstatus | Typestring |
Veldrequest_counts | Typeobject |
Veldresults[].id | Typestring |
Veldresults[].response.status_code | Typeinteger |
Veldresults[].response.request_id | Typestring |
| Antwoord | Voorwaarde | Volgende stap |
|---|---|---|
Antwoord400 · invalid_request_error | VoorwaardeOngeldige gedocumenteerde inline structuur, dubbele sleutels, ongeldige itemidentiteit of conflict met de geconfigureerde modelmogelijkheden. | Volgende stapCorrigeer de aangegeven velden vóór elke nieuwe indiening. |
Antwoord401 · authentication_error | VoorwaardeOngeldige API-sleutel. | Volgende stapGebruik de geautoriseerde Ailoot-sleutel. |
Antwoord403 · permission_error | VoorwaardeBatch-groep niet beschikbaar. | Volgende stapControleer de toegangsrechten van de sleutel/groep. |
Antwoord422 · invalid_request_error | VoorwaardeBatch wordt via het saldo gefactureerd; aanmaken via een abonnement wordt geweigerd. | Volgende stapGebruik de geautoriseerde groep die via het saldo wordt gefactureerd. |
Antwoord422 · price_unavailable | VoorwaardeVoor de Batch-invoer kan geen prijsraming worden gemaakt. | Volgende stapBewaar de respons; gebruik de gedocumenteerde invoer voor deze familie. |
Antwoord402 · billing_error | VoorwaardeReservering voor Batch niet beschikbaar. | Volgende stapLos het toelatingsprobleem op vóór een nieuwe aanvraag. |
Antwoord503 · price_unavailable | VoorwaardePrijs voor de Batch-methode/native tarieven niet beschikbaar. | Volgende stapBewaar de respons; vervang de prijzen niet. |
Antwoord503 · api_error | VoorwaardeDe exacte leveranciersroute is niet beschikbaar. | Volgende stapBewaar de respons voor het herstel van de route. |
Antwoord503 · result_pending_check | VoorwaardeHet oorspronkelijke resultaat moet gecontroleerd worden; X-Should-Retry:false. | Volgende stapBewaar de oorspronkelijke operation_id/id en lees de status ervan uit; herhaal de oorspronkelijke POST nooit. |
Antwoord404 · not_found | VoorwaardeBewerking voor de Batch-status ontbreekt of behoort toe aan een andere identiteit. | Volgende stapGebruik de exacte oorspronkelijke id en dezelfde gebruiker/sleutel/groep. |
Ailoot Ultra openai/gpt-5.4-pro:batch
Gebruik de hierboven getoonde methodepaden.